伪分布式环境下命令行正确运行Hadoop示例WordCount

首先确保Hadoop已经正确安装、配置以及运行。

1.    首先将wordcount源代码从hadoop目录中拷贝出来。

[root@cluster2 logs]# cp /usr/local/hadoop-1.1.2/src/examples/org/apache/hadoop/examples/WordCount.java ~/ygch/hadoop/

因为在编译过程中需要将jave源文件和class类文件分离，所以在~/ygch/hadoop下还要有一个class目录。

2.    编译WordCount.java文件：

[root@cluster2 src]#javac -classpath /usr/local/hadoop-1.1.2/hadoop-core-1.1.2.jar:/usr/local/hadoop-1.1.2/lib/commons-cli-1.2.jar WordCount.java -d class

该命令的特别之处是利用-classpath选项指定WordCount需要的jar包。一开始我们可能不知道WordCount需要什么jar包，我们可以通过搜索hadoop的目录来搜寻相关jar包。hadoop目录下存放jar包的位置有两个：根目录和/lib目录。然后我们可以通过jar tvf  *.jar查看jar包内容，进而可以知道WordCount需要的是哪几个jar包。

-d选项指定生成的类文件的位置，在编译的时候这个选项必须重新指定，不能让class文件生成在当前目录下。这是因为WordCount.java内包含package信息，如果我们不加-d选项，则编译的时候会将package信息丢失，导致能编译通过，但是后续不能找到类文件的错误。

此时我们直接调用java命令运行生成的WordCount：

[root@cluster2 classes]# java org.apache.hadoop.examples.WordCount

则会报错：

Exceptionin thread "main" java.lang.NoClassDefFoundError:org/apache/hadoop/conf/Configuration

        atorg.apache.hadoop.examples.WordCount.main(WordCount.java:52)

        Caused by:java.lang.ClassNotFoundException: org.apache.hadoop.conf.Configuration

        atjava.net.URLClassLoader$1.run(URLClassLoader.java:366)

        atjava.net.URLClassLoader$1.run(URLClassLoader.java:355)

        at java.security.AccessController.doPrivileged(NativeMethod)

        atjava.net.URLClassLoader.findClass(URLClassLoader.java:354)

        atjava.lang.ClassLoader.loadClass(ClassLoader.java:424)

        atsun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:308)

        at java.lang.ClassLoader.loadClass(ClassLoader.java:357)

        ... 1 more

错误提示表明java找不到我们在编译时添加的jar包，这时即使用-classpath选项添加相关jar包也不能正确运行。正确的方式是，将class文件打包成jar包。

3.    将class文件打包成一个jar包：

[root@cluster2 hadoop]# jar cvf WordCount.jar -C classes/ .

注意不要忘记最后有一个点，否则jar命令报错。该点指示jar命令的文件列表，表示指定目录下的所有文件。这里不能用*，否则会添加除了指定目录还有当前目录下的所有文件。

我们也可以首先cd到指定目录，然后利用命令：

[root@cluster2 class]# jar cvf WordCount.jar *

来执行打包命令。

打包的结果是在执行jar命令的目录下生成一个WordCount.jar。

4.    生成input文件：

由于运行hadoop时指定的输入文件只能是HDFS文件系统中的文件，所以我们必须将要进行wordcount的文件从本地文件系统拷贝到HDFS文件系统中。

[root@cluster2 hadoop]# hadoop fs -mkdir input

[root@cluster2 hadoop]# hadoop fs -put testfile input

5.    运行jar包：

[root@cluster2 hadoop]#hadoop jar WordCount.jar org.apache.hadoop.examples.WordCount input output

在运行命令中由于WordCount.java中包括package信息，所以我们在指定类时要包含package的完整信息。

6.    查看结果

在hadoop程序运行完后，结果会放在output目录下，该目录是自动生成的。查看命令为：

[root@cluster2 hadoop]# hadoop fs -cat output/part-r-00000

至此，hadoop下的WordCount实例运行结束。

相关阅读：